一种视频行为识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114091501A(43)申请公布日2022.02.25(21)申请号202011302427.9(22)申请日2020.11.19(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人罗壮朱二涛何云龙(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军王安娜(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书14页附图5页(54)发明名称一种视频行为识别方法和装置(57)摘要本发明公开了一种视频行为识别方法和装置，涉及视频行为识别技术领域。该方法的一具体实施方式包括：将目标摄像头采集的视频数据输入到特征模型中，以输出所述目标摄像头的特征向量；分别计算所述目标摄像头的特征向量与各个摄像头分组对应的特征向量之间的距离，筛选出与所述目标摄像头最相似的摄像头分组；将所述摄像头分组对应的视频行为识别模型作为所述目标摄像头的视频行为识别模型，对所述目标摄像头采集的视频数据进行行为识别。该实施方式能够解决大量的数据采集及标注工作会耗费大量时间和人力的技术问题。CN114091501ACN114091501A权利要求书1/2页1.一种视频行为识别方法，其特征在于，包括：将目标摄像头采集的视频数据输入到特征模型中，以输出所述目标摄像头的特征向量；分别计算所述目标摄像头的特征向量与各个摄像头分组对应的特征向量之间的距离，筛选出与所述目标摄像头最相似的摄像头分组；将所述摄像头分组对应的视频行为识别模型作为所述目标摄像头的视频行为识别模型，对所述目标摄像头采集的视频数据进行行为识别。2.根据权利要求1所述的方法，其特征在于，还包括：训练基础模型；基于所述基础模型训练得到特征模型；将各路摄像头采集的视频数据输入到所述特征模型中，以输出所述各路摄像头的特征向量；基于所述各路摄像头的特征向量，对所述各路摄像头进行分组，得到各个摄像头分组及其对应的特征向量；对于每个摄像头分组，对所述摄像头分组中各路摄像头采集的视频数据进行标注，以标注后的视频数据训练所述基础模型，从而得到所述摄像头分组对应的视频行为识别模型。3.根据权利要求2所述的方法，其特征在于，训练基础模型，包括：对部署在不同位置的各路摄像头采集的视频数据进行标注，以标注后的视频数据训练卷积神经网络，得到基础模型；其中，标注的标签包括存在目标行为或者不存在目标行为。4.根据权利要求3所述的方法，其特征在于，基于所述基础模型训练得到特征模型，包括：从所述部署在不同位置的各路摄像头中筛选出若干个特征摄像头；对所述若干个特征摄像头采集的视频数据进行标注，以标注后的视频数据训练所述基础模型，得到特征模型；其中，标注的标签为所述特征摄像头的编号，并采用独热编码表示。5.根据权利要求2所述的方法，其特征在于，将各路摄像头采集的视频数据输入到所述特征模型中，以输出所述各路摄像头的特征向量，包括：对于每路摄像头采集的视频数据，将每个视频数据分别输入到所述特征模型中，以输出所述视频数据对应的特征向量；以各个所述视频数据对应的特征向量的平均值，作为所述摄像头的特征向量。6.根据权利要求2所述的方法，其特征在于，基于所述各路摄像头的特征向量，对所述各路摄像头进行分组，得到各个摄像头分组及其对应的特征向量，包括：采用基于密度的聚类算法对所述各路摄像头的特征向量进行聚类，得到各个摄像头分组及其对应的特征向量。7.根据权利要求1所述的方法，其特征在于，分别计算所述目标摄像头的特征向量与各个摄像头分组对应的特征向量之间的距离，筛选出最相似的摄像头分组，包括：分别计算所述目标摄像头的特征向量与各个摄像头分组对应的特征向量之间的欧式距离，筛选出距离最小的特征向量，从而筛选出最相似摄像头；将所述最相似摄像头所在的摄像头分组作为最相似的摄像头分组。2CN114091501A权利要求书2/2页8.根据权利要求1所述的方法，其特征在于，将所述摄像头分组对应的视频行为识别模型作为所述目标摄像头的视频行为识别模型，对所述目标摄像头采集的视频数据进行行为识别，包括：将所述摄像头分组对应的视频行为识别模型作为所述目标摄像头对应的视频行为识别模型，对所述目标摄像头采集的视频数据进行行为识别，计算识别正确率；基于所述识别正确率确定所述目标摄像头的视频行为识别模型，从而对所述目标摄像头采集的视频数据进行行为识别。9.根据权利要求8所述的方法，其特征在于，基于所述识别正确率确定所述目标摄像头的视频行为识别模型，从而对所述目标摄